计算机科学››2022,第49卷››问题(9): 318-325.数字对象标识:10.11896/jsjkx.220300190
•信息安全• 以前的文章 下一篇文章
LYU你1,2、吴文元1
收到:
修订过的:
在线:
出版:
关于作者:
支持单位:
摘要:线性回归是一种重要且应用广泛的机器学习算法。线性回归模型的训练通常依赖于大量的数据。实际上,数据集通常由不同的用户持有,并包含他们的隐私信息。当多个用户想要收集更多数据以训练更好的模型时,不可避免地会涉及到用户的隐私。同态加密作为一种隐私保护技术,可以有效解决计算中的隐私泄露问题。针对数据集水平分布在两个用户上的情况,设计了一种基于混合迭代方法的隐私保护线性回归方案。该方案分为两个阶段。第一阶段在密文域中实现统计梯度下降算法。在第二阶段,设计了一个安全的两方快速下降协议。该协议的核心思想是基于Jacobi迭代方法,可以有效弥补梯度下降法在实际应用中收敛效果差的缺点,加快模型的收敛速度,并在有效训练线性回归模型的同时保护两个用户的数据隐私。分析了该方案的效率、通信损耗和安全性。该方案使用C++实现,并应用于实际数据集。大量实验结果表明,该方案能够有效地解决具有大规模特征的线性回归问题。决策系数的相对误差小于0.001,表明隐私保护线性回归模型在真实数据集中的应用效果接近于直接从未加密数据中获得的应用效果,该方案能够满足特定场景下的实际应用要求。
关键词: 隐私保护, 线性回归, 混合迭代法, 同态加密
CLC编号:
柳游、吴文元。保隐私线性回归方案及其应用[J]。计算机科学,2022,49(9):318-325。
0 / / 推荐
添加到引文管理器 尾注|样板客户经理|项目|BibTeX公司|参考Works
网址: https://www.jsjkx.com/EN/10.11896/jsjkx.220300190
https://www.jsjkx.com/EN/Y2022/V49/I9/318
引用